Donor-Specific Effects of KDM6A in Regulating Proximal Tubular Epithelial Cell Metabolism: Implications for Diabetic Kidney Disease
Notice bibliographique
Résumé
Background: Diabetic kidney disease (DKD), the leading cause of chronic kidney disease, involves metabolic dysfunction in proximal tubular epithelial cells (PTECs)—the kidney’s most abundant, metabolically active cells. High glucose shifts PTECs from fatty acid oxidation to glucose and glutamine metabolism, boosting glycolytic and TCA flux and accumulating pro-inflammatory, pro-fibrotic metabolites like lactate that drive DKD. KDM6A, a histone demethylase that removes repressive epigenetic marks, is upregulated in diabetic kidneys and enhances expression of metabolic enzymes and cytokines. While its inhibition mitigates glomerular lesions in DKD mouse models, KDM6A’s role in PTEC dysfunction remains unclear. We show KDM6A mediates mitochondrial dysfunction in PTECs under high glucose, modulated by donor sex. Methods: Primary human PTECs from different donors (Table 1) underwent 72h siRNA-mediated KDM6A inhibition, followed by 24h treatment with normal glucose (5.5 mM), high glucose (25 mM), or osmotic control (5.5 mM glucose + 19.5 mM mannitol). Results: High glucose significantly increased extracellular lactate levels in male-derived PTECs. KDM6A knockdown reduced lactate secretion in cells of all donors. In PTECs of one male donor, KDM6A silencing also prevented high glucose-induced upregulation of LDHA and MDH2, key enzymes in glycolysis and the TCA cycle. In all donors, KDM6A inhibition elevated extracellular glucose levels, especially in the donor most sensitive to KDM6A knockdown. Additionally, KDM6A inhibition prevented increased secretion of pro-inflammatory cytokines in PTECs of both male donors under high glucose, while lowering only IL-6 in female PTECs. Conclusion: Preliminary findings suggest that KDM6A promotes a high-glucose-induced metabolic switch in PTECs, particularly in male-derived cells. Given observed sex differences and donor-specific responses, future studies will include a broader panel of donor-derived PTECs to determine KDM6A’s role across individuals. This will clarify donor-specific effects and refine its potential as a personalized therapeutic target in DKD. Funding: Private Foundation Support, Government Support – Non-U.S. Donor Information - Donor Age (years) Sex Ethnicity/Race BMI Donor 1 45 years Male Hispanic 31 Donor 2 34 years Female Caucasian 18 Donor 3 31 years Male African American 26
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».